MCP：AI 时代的 USB-C 如何统一工具生态

2023年，当大模型厂商们还在卷上下文窗口长度时，开发者们已经在另一个维度上筋疲力尽——工具调用碎片化。

Anthropic 用 tool use，OpenAI 有 function calling，Google 搞了一套自己的工具格式，每家都声称自己的方案更优雅、更强大。开发者呢？要么在业务逻辑里写一堆 if-else 来适配不同模型，要么用 LangChain 这样的中间层硬吞下去，维护成本极高。

2024年11月，Anthropic 正式发布了 Model Context Protocol（MCP），试图给出这个问题的标准答案。它的目标很明确：让 AI 模型与任何数据源、任何工具的连接，像 USB-C 连接设备和电脑一样——一次接入，到处可用。

这听起来像是基础设施工程师的美梦，也可能是又一次行业标准战争的序幕。让我拆开来看。

从"一座桥"到"一套公路系统"

在没有 MCP 之前，AI 应用和外部世界的连接方式大概是这样的：

每增加一个数据源/工具 = 写一套专用集成代码

一个典型的 AI 编程助手，可能需要同时接入：

• GitHub（读取代码、提交 PR）
• Slack（发送通知）
• Jira（创建任务）
• PostgreSQL（查询数据）
• 内部知识库（检索文档）

每个接入点都是一个定制开发，没有统一协议，没有复用可能。开发者不是在构建 AI 应用，而是在构建集成中间件。

MCP 试图把这件事变成：

数据源/工具  →  MCP Server（标准协议）  →  AI 应用

任何支持 MCP 的 AI 模型，可以连接任何实现了 MCP 协议的 Server，无需为每对组合单独开发。

MCP 架构：三个角色，两种模式

MCP 的设计包含三个核心角色：

1. MCP Host（主机） 运行 AI 模型并与用户交互的应用，比如 Claude Desktop、Cursor、Cline 等 AI 编程工具。Host 负责维护与用户的对话上下文。

2. MCP Client（客户端） 嵌入在 Host 内部，负责与 MCP Server 维持 1:1 的持久连接。Client 接收 Host 的指令，向 Server 发起请求。

3. MCP Server（服务器） 暴露工具（tools）、资源（resources）和提示（prompts）的标准服务端。一个 Server 可以提供多个工具，也可以是一个完全独立运行的服务进程。

连接的传输层支持两种模式：

• stdio 模式：通过标准输入/输出通信，适合本地运行的 Server，Claude Desktop 默认使用这种模式
• HTTP/SSE 模式：通过 HTTP 协议通信，支持远程 Server，适合生产环境

// 一个最简单的 MCP Server 示例（Node.js）
const { MCPServer } = require('@modelcontextprotocol/sdk');

const server = new MCPServer({
  : ,
  : ,
});

server.({
  : ,
  : ,
  : {
    : ,
    : {
      : { : , :  },
    },
    : [],
  },
  :  ({ city }) => {
     weather =  (city);
     { :  };
  },
});

server.();